[发明专利]信息推送方法、装置、电子设备和存储介质在审

专利信息
申请号: 201911241705.1 申请日: 2019-12-06
公开(公告)号: CN112925972A 公开(公告)日: 2021-06-08
发明(设计)人: 沈琦 申请(专利权)人: 北京达佳互联信息技术有限公司
主分类号: G06F16/9535 分类号: G06F16/9535;G06N3/08
代理公司: 广州华进联合专利商标代理有限公司 44224 代理人: 樊倩
地址: 100085 北京市海淀*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 信息 推送 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种信息推送方法,其特征在于,包括:

确定在目标终端中登录目标应用程序的推送对象,获取所述推送对象的推送对象信息以及待推送内容信息;

分别对所述待推送内容信息以及所述推送对象信息进行特征提取,得到待推送内容信息特征向量以及推送对象信息特征向量;

获取所述推送对象在目标应用程序中主页面的主页面信息特征向量,将所述待推送内容信息特征向量、所述推送对象信息特征向量以及所述主页面信息特征向量进行拼接,获得所述目标特征向量;

根据所述目标特征向量获取所述待推送内容信息的点击概率预测值;

根据所述点击概率预测值从所述待推送内容信息中确定目标推送内容信息,将所述目标推送内容信息推送至所述目标终端。

2.根据权利要求1所述的信息推送方法,其特征在于,所述获取所述推送对象在目标应用程序中主页面的主页面信息特征向量的步骤,包括:

获取所述推送对象在主页面中的主页面信息;

对所述主页面信息进行分类,获得所述推送对象的用户画像信息、作者画像信息以及视频信息;

分别通过信息嵌入网络分别获取与所述用户画像信息对应的用户画像特征向量、与所述作者画像信息对应的作者画像特征向量以及与所述视频信息对应的视频特征向量;

拼接所述用户画像特征向量、所述作者画像特征向量以及所述视频特征向量,获得所述推送对象的主页面信息特征向量。

3.根据权利要求2所述的信息推送方法,其特征在于,所述信息嵌入网络的训练步骤,包括:

获取第一训练数据集,其中所述第一训练数据集包括样本对象的主页面信息以及所述样本对象的用户操作信息;

将所述样本主页信息进行分类,获取样本用户画像信息、样本作者画像信息以及样本视频信息;

分别通过信息嵌入网络分别获取所述样本用户画像信息对应的样本用户画像特征向量、所述样本作者画像信息对应的样本作者画像特征向量以及所述样本视频信息对应的样本视频特征向量;

拼接所述样本用户画像特征向量、样本作者画像特征向量以及所述样本视频特征向量,获取所述样本对象的样本主页面信息特征向量;

根据所述样本主页面信息特征向量输入至用户行为预测模型中,获得预测行为信息;

根据所述用户操作信息以及所述预测行为信息确定第一样本损失值,根据所述第一样本损失值对所述信息嵌入网络以及所述用户行为预测模型进行参数调整,直至模型训练结束。

4.根据权利要求3所述的信息推送方法,其特征在于,所述用户操作信息包括用户点赞视频序列、用户点击视频序列以及用户关注视频序列;预测行为信息包括预测点赞视频序列、预测点击视频序列以及预测关注视频序列;

所述根据所述用户操作信息以及所述预测行为信息确定第一样本损失的步骤,包括:

根据所述预测点赞视频序列与所述用户点赞视频序列计算点赞损失值;

根据所述预测点击视频序列与所述用户点击视频序列计算点击损失值;

根据所述预测关注视频序列与所述用户关注视频序列计算关注损失值;

根据所述点赞损失值、所述点击损失值以及所述关注损失值计算第一样本损失值。

5.根据权利要求1所述的信息推送方法,其特征在于,所述分别对所述待推送内容信息以及所述推送对象信息进行特征提取,得到待推送内容信息特征向量以及推送对象信息特征向量的步骤,包括:

分别将所述待推送内容信息以及所述推送对象信息输入至点击概率预测模型的特征提取网络中,通过所述特征提取网络获取待推送内容信息特征向量以及推送对象信息特征向量;

所述根据所述目标特征向量获取所述待推送内容信息的点击概率预测值的步骤,包括:

将所述目标特征向量输入至所述点击概率预测模型的点击概率预测网络中,通过所述点击概率预测网络获取所述待推送内容信息的点击概率预测值。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京达佳互联信息技术有限公司,未经北京达佳互联信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911241705.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top